留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于深度学习的动车组运行安全图像异物检测

周雯,  史天运,  李平,  马小宁

downloadPDF
文章导航 > 交通信息与安全  > 2019 >  37(6): 48-55
周雯, 史天运, 李平, 马小宁. 基于深度学习的动车组运行安全图像异物检测[J]. 交通信息与安全, 2019, 37(6): 48-55. doi: 10.3963/j.issn.1674-4861.2019.06.006
引用本文: 周雯, 史天运, 李平, 马小宁. 基于深度学习的动车组运行安全图像异物检测[J]. 交通信息与安全, 2019, 37(6): 48-55. doi: 10.3963/j.issn.1674-4861.2019.06.006
shu
ZHOU Wen, SHI Tianyun, LI Ping, MA Xiaoning. Foreign Objects Detection of Safety Image of EMU Operation Based on Deep Learning[J]. Journal of Transport Information and Safety, 2019, 37(6): 48-55. doi: 10.3963/j.issn.1674-4861.2019.06.006
Citation: ZHOU Wen, SHI Tianyun, LI Ping, MA Xiaoning. Foreign Objects Detection of Safety Image of EMU Operation Based on Deep Learning[J]. Journal of Transport Information and Safety, 2019, 37(6): 48-55. doi: 10.3963/j.issn.1674-4861.2019.06.006
shu

基于深度学习的动车组运行安全图像异物检测

doi: 10.3963/j.issn.1674-4861.2019.06.006

  • 中国铁道科学研究院研究生部 北京 100081

  • 中国铁道科学研究院 北京 100081

  • 中国铁道科学研究院电子计算技术研究所 北京 100081

  • 中国铁道科学研究院电子计算技术研究所 北京 100081

基金项目: 

铁路总公司科技研究开发计划课题项目

国家重点研发计划项目

详细信息

  • 中图分类号: U29-39

Foreign Objects Detection of Safety Image of EMU Operation Based on Deep Learning

    摘要
  • 摘要: 动车组在运行过程中容易附着塑料袋等异物,影响动车组的运行安全.针对动车组运行安全图像异物自动检测的问题,研究基于卷积神经网络的动车组异物检测与分割模型,该模型采用特征金字塔网络提取异物的多尺度融合特征,通过区域提议网络生成未知类别的候选区域,通过预测网络对候选区域进行分类和位置回归,并通过分割网络生成预测区域的蒙版.针对异物形态变化多样,采用可变形卷积改变感受野适应异物形态的变化.针对异物检测任务中异物数量远小于背景零部件的数量,采用在线困难样本挖掘筛选出困难样本重新输入预测网络以平衡正负样本的比例.实验分析表明,通过优化方法使得最终模型检测精度达到了90.35%,提升了4.03%;召回率达到94.85%,提升了8.1%.

     

    • HTML全文
    • 参考文献(0)
    • 相关文章
    • 施引文献
  • 资源附件(0)
  • 加载中
WeChat 点击查看大图
计量
  • 文章访问数:  418
  • HTML全文浏览量:  84
  • PDF下载量:  5
  • 被引次数: 0
出版历程
  • 刊出日期:  2019-12-28

目录

    /

    返回文章
    返回

    版权所有《交通信息与安全》编辑部鄂ICP备05003336号-2

    通信地址：湖北省武汉市武昌区和平大道1178号，武汉理工大学余家头校区 (430063)

    联系电话：027-86580355电子邮箱：jtjsj@vip.163.com

    本系统由 北京仁和汇智信息技术有限公司 开发